python库之文本处理

　　文本处理

　　用于解析和操作简单文本的库。

　　通用

　　difflib – (Python标准库)帮助进行差异化比较。

　　Levenshtein – 快速计算Levenshtein距离和字符串相似度。

　　fuzzywuzzy – 模糊字符串匹配。

　　esmre – 正则表达式加速器。

　　ftfy – 自动整理Unicode文本，减少碎片化。

　　自然语言处理

　　处理人类语言问题的库。

　　NLTK -编写Python程序来处理人类语言数据的最好平台。

　　Pattern – Python的网络挖掘模块。他有自然语言处理工具，机器学习以及其它。

　　TextBlob – 为深入自然语言处理任务提供了一致的API。是基于NLTK以及Pattern的巨人之肩上发展的。

　　jieba – 中文分词工具。

　　SnowNLP – 中文文本处理库。

　　loso – 另一个中文分词库。

　　浏览器自动化与仿真

　　selenium – 自动化真正的浏览器(Chrome浏览器，火狐浏览器，Opera浏览器，IE浏览器)。

　　Ghost.py – 对PyQt的webkit的封装(需要PyQT)。

　　Spynner – 对PyQt的webkit的封装(需要PyQT)。

　　Splinter – 通用API浏览器模拟器(selenium web驱动，Django客户端，Zope)。

　　多重处理

　　threading – Python标准库的线程运行。对于I/O密集型任务很有效。对于CPU绑定的任务没用，因为python GIL。

　　multiprocessing – 标准的Python库运行多进程。

　　celery – 基于分布式消息传递的异步任务队列/作业队列。

　　concurrent-futures – concurrent-futures 模块为调用异步执行提供了一个高层次的接口。

　　异步

　　异步网络编程库

　　asyncio – (在Python 3.4 +版本以上的 Python标准库)异步I/O，时间循环，协同程序和任务。

　　Twisted – 基于事件驱动的网络引擎框架。

　　Tornado – 一个网络框架和异步网络库。

　　pulsar – Python事件驱动的并发框架。

　　diesel – Python的基于绿色事件的I/O框架。

　　gevent – 一个使用greenlet 的基于协程的Python网络库。

　　eventlet – 有WSGI支持的异步框架。

　　Tomorrow – 异步代码的奇妙的修饰语法。

　　队列

　　celery – 基于分布式消息传递的异步任务队列/作业队列。

　　huey – 小型多线程任务队列。

　　mrq – Mr. Queue – 使用redis & Gevent 的Python分布式工作任务队列。

　　RQ – 基于Redis的轻量级任务队列管理器。

　　simpleq – 一个简单的，可无限扩展，基于Amazon SQS的队列。

　　python-gearman – Gearman的Python API。

　　云计算

　　picloud – 云端执行Python代码。

　　http://dominoup.com – 云端执行R，Python和matlab代码

　　网页内容提取

　　提取网页内容的库。

　　HTML页面的文本和元数据

　　newspaper – 用Python进行新闻提取、文章提取和内容策展。

　　html2text – 将HTML转为Markdown格式文本。

　　python-goose – HTML内容/文章提取器。

　　lassie – 人性化的网页内容检索工具

　　WebSocket

　　用于WebSocket的库。

　　Crossbar – 开源的应用消息传递路由器(Python实现的用于Autobahn的WebSocket和WAMP)。

　　AutobahnPython – 提供了WebSocket协议和WAMP协议的Python实现并且开源。

　　WebSocket-for-Python – Python 2和3以及PyPy的WebSocket客户端和服务器库。

　　DNS解析

　　dnsyo – 在全球超过1500个的DNS服务器上检查你的DNS。

　　pycares – c-ares的接口。c-ares是进行DNS请求和异步名称决议的C语言库。

　　计算机视觉

　　OpenCV – 开源计算机视觉库。

　　SimpleCV – 用于照相机、图像处理、特征提取、格式转换的简介，可读性强的接口(基于OpenCV)。

　　mahotas – 快速计算机图像处理算法(完全使用 C++ 实现)，完全基于 numpy 的数组作为它的数据类型。

　　代理服务器

　　shadowsocks – 一个快速隧道代理，可帮你穿透防火墙(支持TCP和UDP，TFO，多用户和平滑重启，目的IP黑名单)。

　　tproxy – tproxy是一个简单的TCP路由代理(第7层)，基于Gevent，用Python进行配置。

声明：本站稿件版权均属千锋教育所有，未经许可不得擅自转载。